أداة تحويل الفيديو والصوت إلى نص دفعةً واحدة

تعرّف دون اتصال على ملفات الفيديو والصوت دفعةً واحدة وتحويلها إلى نص، مع تصدير بنقرة واحدة إلى صيغ متعددة للترجمات والنصوص مثل TXT وSRT وVTT وJSON وLRC وCSV.

الإبلاغ عن خطأ

جارٍ تحميل الأداة، يرجى الانتظار...

إذا تعذر تحميل الأداة عبر الإنترنت أو تشغيلها، جرّب أداة سطح المكتب. https://tools.yikeaigc.com/

استخدام الأداة

العودة إلى الإصدار القديم

يتوفر إصدار سطح مكتب بميزات أقوى وأكثر استقرارًا. فتح إصدار سطح المكتب

التعليمات

تعليمات استخدام البرنامج

إضافة الملفات المراد التعرف عليها: انقر على زر "اختيار ملف" أو "اختيار مجلد" لإضافة ملفات الفيديو أو الصوت التي تحتاج إلى تحويلها إلى نص، ويمكنك أيضًا سحب الملفات أو المجلدات مباشرةً إلى نافذة البرنامج. يدعم الإضافة المجمّعة والمختلطة لتنسيقات الصوت والفيديو الشائعة مثل MP4 وMKV وMOV وAVI وFLV وWebM وMP3 وWAV وFLAC وM4A وغيرها.
تعيين مجلد الحفظ: اختر موقع حفظ الترجمة والنصوص بعد المعالجة، مع دعم التعيين بالسحب والإفلات. إذا تم تحديد "اجتياز المجلدات الفرعية"، يمكنك أيضًا تحديد "الحفاظ على بنية المسار الأصلية"، وستتطابق ملفات الإخراج مع بنية مجلدات الملفات المصدرية.
اختيار تنسيق الإخراج:
- TXT: نص عادي، مناسب لترتيب المسودات ومحاضر الاجتماعات
- SRT / VTT: تنسيق ترجمة مصحوب بطوابع زمنية، يمكن إضافته مباشرةً إلى الفيديو واستخدامه
- JSON: بيانات مهيكلة، ملائمة للتطوير الثانوي والمعالجة البرمجية
- LRC: تنسيق كلمات الأغاني، مناسب للموسيقى والكتب الصوتية
- CSV: تنسيق جدولي، يسهّل التحرير والمراجعة في Excel
تكوين معلمات التعرف:
- مسار النموذج: يستخدم افتراضيًا نموذج التعرف على الصينية Paraformer، واكتشاف النشاط الصوتي FSMN، ونموذج ترقيم CT
- مدة المعالجة الدُفعية: تعيين أطول مدة صوتية للاستدلال في المرة الواحدة
- أقصى مدة للمقطع الواحد في VAD بالمللي ثانية: التحكم في دقة تقسيم المقاطع الصوتية
- قائمة الكلمات الساخنة: أدخل أسماء العلم وأسماء الأشخاص وكلمات العلامات التجارية لتحسين دقة التعرف
- استراتيجية التخطي/الاستبدال: اختر تخطي ملفات الإخراج الموجودة مسبقًا أو استبدالها
بدء التعرف المجمّع: انقر على زر "بدء التعرف"، وسيقوم البرنامج تلقائيًا باستخراج المسار الصوتي، وتقسيم المقاطع الصوتية، وإجراء الاستدلال والنسخ، ثم إضافة علامات الترقيم. أثناء المعالجة يمكنك عرض التقدم في منطقة السجل، وعند الحاجة إلى الإيقاف انقر على زر "إيقاف".
عرض النتائج واستخدامها: بعد اكتمال التعرف، انتقل إلى مجلد الحفظ المحدد لعرض الملفات بالتنسيقات المقابلة. يمكن سحب ترجمات SRT/VTT مباشرةً إلى برامج المونتاج أو المشغلات لاستخدامها.

الأسئلة الشائعة

ج: يدعم الفيديو تنسيقات MP4 وMKV وMOV وAVI وFLV وWMV وWebM وM4V وMPG وTS و3GP وRMVB وغيرها؛ ويدعم الصوت تنسيقات MP3 وWAV وFLAC وAAC وOGG وM4A وWMA وOPUS وAC3 وAMR وAPE وغيرها. يمكن إضافة ملفات الفيديو والصوت معًا في الدفعة نفسها، وسيقوم البرنامج بالتعرف عليها تلقائيًا واستخراج المسار الصوتي.

ج: يعتمد البرنامج على التعرف المحلي دون اتصال، ولا يحتاج إلى الإنترنت طوال العملية، وتوجد ملفات النماذج في مجلد models داخل الدليل الجذر للبرنامج. وبالاستناد إلى نموذج Paraformer الصيني من FunASR، تكون دقة التعرف على اللغة الصينية الفصحى عالية نسبيًا، ويمكن تحسين التعرف على أسماء العلم وأسماء الأشخاص والمصطلحات بشكل أكبر باستخدام قائمة الكلمات الساخنة.

ج: تناسب TXT تنظيم النصوص ومواد الكتابة؛ وتُعد SRT وVTT صيغ ترجمة شائعة يمكن إرفاقها بمشغلات الفيديو والويب؛ ويحتوي JSON على الطوابع الزمنية ومعلومات المقاطع الكاملة، مما يسهّل التطوير اللاحق؛ وتناسب LRC الموسيقى والكتب الصوتية؛ وتسهّل CSV المراجعة والتحرير حسب الفترات الزمنية في Excel. يمكن تحديد عدة صيغ للتصدير في الوقت نفسه.

ج: أدخل في مربع الكلمات الشائعة الأسماء الخاصة التي يسهل التعرف عليها بشكل خاطئ، مثل أسماء الأشخاص والشركات والمنتجات والمصطلحات التقنية وغيرها، وافصل بين عدة كلمات بمسافات أو أسطر جديدة. سيعطي محرك التعرف أولوية لمطابقة هذه الكلمات، ويكون التأثير أوضح في محتوى القطاعات المتخصصة، والإلقاء الصوتي لصنّاع المحتوى، والتدريب المؤسسي وغيرها من السيناريوهات.

ج: يصبح هذا الخيار متاحًا بعد تحديد "استعراض المجلدات الفرعية". عند تفعيله، سيتم إنشاء مجلدات فرعية مقابلة لملفات الإخراج وفقًا لبنية مستويات المجلدات داخل مجلد المصدر، مما يسهّل أرشفة وإدارة كميات كبيرة من المواد. إذا وُجدت أسماء ملفات مكررة، فسيتم تلقائيًا إضافة رقم بعد اسم الملف للتمييز بينها.

ج: يحتوي البرنامج على ميزة مدمجة لاكتشاف النشاط الصوتي VAD، حيث يقسم الصوت الطويل تلقائيًا أولًا حسب مقاطع الصمت، ثم يرسله إلى نموذج التعرف على أجزاء وفق معلمة "مدة المعالجة الدُفعية"، وبالتالي يمكن نظريًا معالجة فيديوهات طويلة تمتد لعدة ساعات بالكامل. ترتبط سرعة التعرف بأداء CPU في الكمبيوتر، ويُنصح بإغلاق البرامج الأخرى ذات الاستهلاك العالي عند معالجة كميات كبيرة من المواد.

ج: النموذج الافتراضي هو Paraformer الصيني، ويدعم الماندرين والمحتوى المختلط بين الصينية والإنجليزية بشكل جيد؛ أما التعرف على اللهجات مثل الكانتونية ولهجة سيتشوان والمينانية فنتائجه أضعف نسبيًا. إذا كانت المادة تعتمد أساسًا على لهجة محلية، يُنصح أولًا بتعديل طريقة النطق أو اختيار نموذج أكثر ملاءمة لاستبدال المسار الافتراضي.

ج: يفعّل البرنامج افتراضيًا نموذج الترقيم CT-Punc، ويضيف تلقائيًا الفواصل والنقاط وعلامات الاستفهام وغيرها إلى نتائج التعرف. إذا لاحظت عدم وجود علامات ترقيم، فتحقق من أن مسار نموذج الترقيم في الإعدادات يشير بشكل صحيح إلى دليل ct-punc داخل مجلد models، وتأكد من اكتمال ملفات النموذج.